2장. Fan-out은 AI의 내부 검색 회의다

fan-out은 말이 어렵지만 현상은 단순하다.

사용자가 하나의 질문을 던지면 AI가 그 질문을 여러 개의 작은 검색 질문으로 쪼개는 것이다. "우리 회사에 맞는 CRM 추천해줘"라는 질문은 그냥 CRM 추천으로 끝나지 않는다. AI는 가격, 팀 규모, 업종, API, 권한관리, SSO, 데이터 이전, 보안 인증, 온보딩, 대체재, 사용자 리뷰, 비교표 같은 하위 질문을 만들 수 있다.

이 하위 질문들이 fan-out query다.

중요한 것은 AI가 부모 질문만 보지 않는다는 점이다. 부모 질문에서 1등 하는 페이지가 답변 전체를 차지하지 않는다. 하위 질문마다 다른 URL이 들어올 수 있다. 가격은 가격 페이지에서, 보안은 보안 문서에서, 비교 기준은 비교 글에서, 실제 적용은 케이스스터디에서 가져올 수 있다.

그러니 웹 자산을 하나의 랜딩 페이지로만 생각하면 약하다.

AI가 fan-out으로 쪼갤 때 각 하위 질문에 걸릴 수 있는 근거 조각이 있어야 한다. 그것이 이 책에서 말하는 "검증할 만한 웹 자산"이다.

예를 들어 광고 캠페인 성과 진단 서비스를 판다고 해보자. 좋은 웹 자산은 다음처럼 생긴다.

이런 자산이 있으면 AI는 답을 만들 때 더 많은 접점을 가진다. 그냥 "우리는 광고 성과 진단을 잘합니다"라고 쓰는 것보다 훨씬 강하다. 왜냐하면 AI가 실제로 확인하고 싶어 하는 질문들이 이미 분리되어 있기 때문이다.

Growth Memo의 분석도 이 방향을 강하게 시사한다.

해당 분석에서는 high reasoning 모드에서 citation rate, 평균 citation 수, fan-out query가 크게 증가했고, minimal reasoning과 high reasoning이 참조하는 출처 묶음도 상당히 달랐다. 이 말은 AI visibility를 하나의 평균으로 보면 안 된다는 뜻이다. 사용자가 복잡한 비교, 검증, 선택 질문을 던질수록 AI는 더 많은 하위 검색을 수행하고, 더 다양한 근거를 찾는다.

따라서 GEO의 핵심 질문은 이것이다.

"우리는 어떤 큰 키워드에서 이기고 있는가?"가 아니다.

"AI가 고객의 질문을 쪼갤 때, 각 조각에 우리 URL이 들어갈 자격이 있는가?"다.

이 질문을 바꾸는 순간 콘텐츠 전략이 달라진다. 블로그 주제가 아니라 근거 지도가 필요해진다. 캠페인 문구가 아니라 buyer journey prompt map이 필요해진다. 조회수가 아니라 citation persistence를 봐야 한다.

fan-out은 AI의 내부 검색 회의다.

그 회의 테이블 위에 우리 자료가 올라가려면, 자료가 회의 안건처럼 분리되어 있어야 한다. 문제, 기준, 숫자, 사례, 반례, 절차, 한계. 이 조각들이 없으면 AI는 우리를 인용하고 싶어도 인용할 것이 없다.

출처 메모 (1)

1. Growth Memo, "Reasoning lift: What happens to AI visibility when AI thinks harder" https://www.growth-memo.com/p/reasoning-lift-what-happens-to-ai